当前位置: 首页 > article >正文

06、数据结构与算法---二叉树

递归的精髓其实在于关注好当前结点尽可能少试图每次都将递归的过程在脑海里模拟一遍一、树的理解二叉树是最基本的树结构先从此学起这个结构像是生活中树的结构倒过来根结点在上叶子结点在最下二、手动实现这里实现了一些树性质上的操作相对简单public class MyTree { //结点类 static class TreeNode { public TreeNode left; public TreeNode right; public String val; public TreeNode() { } public TreeNode(String val) { this.val val; } } //前序遍历 private void preOrder(TreeNode root){ if(root null){ return; } System.out.print(root.val ); preOrder(root.left); preOrder(root.right); } //中序遍历 private void inOrder(TreeNode root){ if(root null){ return; } inOrder(root.left); System.out.print(root.val ); inOrder(root.right); } //后序遍历 private void postOrder(TreeNode root){ if(root null){ return; } postOrder(root.left); postOrder(root.right); System.out.print(root.val ); } //计算总结点个数 public int count 0; //一、计数器写法 public void size(TreeNode root) { if(root null){ return; } count; size(root.left); size(root.right); } //二、节点数 左子树 右子树 根节点 public int size2(TreeNode root) { if(root null){ return 0; } return size2(root.left) size2(root.right) 1; } //计算叶子结点个数 public int count2; //一、计数器写法 public void getLeafNodeCount(TreeNode root){ if (root null){ return; } if(root.left null root.right null){ count2; } getLeafNodeCount(root.left); getLeafNodeCount(root.right); } //二、叶子结点 左子树叶子 右子树叶子 public int getLeafNodeCount2(TreeNode root){ if (root null){ return 0; } if(root.left null root.right null){ return 1; } return getLeafNodeCount2(root.left) getLeafNodeCount2(root.right); } //求某一层的结点个数 //整棵树的第k层 左子树第k-1层 右子树第k-1层 public int getLevelNodeCount(TreeNode root,int k){ if(root null){ return 0; } if (k 1){ return 1; } return getLevelNodeCount(root.left,k-1) getLevelNodeCount(root.right,k-1); } //二叉树的高度 public int getMaxHeight(TreeNode root){ if (root null){ return 0; } int leftHeight getMaxHeight(root.left); int rightHeight getMaxHeight(root.right); return Math.max(leftHeight,rightHeight)1; } //寻找结点是否存在 public TreeNode find(TreeNode root,String val){ if (root null){ return null; } if(root.val.equals(val)){ return root; } TreeNode treeNode find(root.left,val); if(treeNode ! null){ return treeNode; } return find(root.right,val); } }测试类public static void main(String[] args) { TreeNode A new TreeNode(A); TreeNode B new TreeNode(B); TreeNode C new TreeNode(C); TreeNode D new TreeNode(D); TreeNode E new TreeNode(E); TreeNode F new TreeNode(F); TreeNode G new TreeNode(G); TreeNode H new TreeNode(H); //进行连接 A.left B; A.right C; B.left D; B.right E; C.left F; C.right G; E.right H; // 此时的结构为: // A // / \ // B C // / \ / \ // D E F G // \ // H }这里OJ题的前序遍历有返回值可以对比一下上面void的写法:接收返回值的前序遍历三、树的练习题题目由易到难层层递进狠狠递归1、相同的树判断两个树是否相同从判断结点上可以分为三种情况即注释使用前序遍历从根开始判断再到左子树最后到右子树//相同的树 public boolean isSameTree(TreeNode p, TreeNode q) { //一个为空另一个不为空 if(p null q ! null || p ! null q null){ return false; } //两个都是空 if (p null q null){ return true; } //两个都不为空可以想想为什么使用! if(p.val ! q.val){ return false; } //两棵树左子树右子树都相同 return isSameTree(p.left,q.left)isSameTree(p.right,q.right); }2、另一棵树的子树利用第一题的判断整棵树的方法以一棵树作为根让比较树与其根、左子树、右子树分别比较这三者只要一个相同即可//另一棵树的子树 public boolean isSubtree(TreeNode root, TreeNode subRoot) { if(root null){ return false; } if(isSameTree(root,subRoot)){ return true; } return isSubtree(root.left,subRoot) || isSubtree(root.right,subRoot); }3、反转二叉树该题有两种写法一、使用前序遍历的思路由根开始交换然后左子树右子树二、后序遍历左右子树交换完成直接把原来根结点的左右子树交换即可//反转二叉树1 //前序遍历写法 public TreeNode flipTree(TreeNode root) { if(root null){ return null; } //1、访问当前节点交换地址 TreeNode tmp; tmp root.left; root.left root.right; root.right tmp; //2、反转左子树 flipTree(root.left); //3、反转右子树 flipTree(root.right); return root; }//反转二叉树2 //后序遍历写法 public TreeNode flipTree2(TreeNode root) { if(root null){ return null; } //左子树遍历 TreeNode left flipTree2(root.left); //右子树遍历 TreeNode right flipTree2(root.right); //交换操作 root.left right; root.right left; return root; }4、平衡二叉树时间复杂度为O(n^2)的写法//平衡二叉树 public boolean isBalanced(TreeNode root) { if(root null){ return true; } int x1 getMaxHeight2(root.left); int x2 getMaxHeight2(root.right); return Math.abs(x1-x2)1 isBalanced(root.left)isBalanced(root.right); } //二叉树的高度 public int getMaxHeight2(TreeNode root){ if (root null){ return 0; } int leftHeight getMaxHeight2(root.left); int rightHeight getMaxHeight2(root.right); return Math.max(leftHeight,rightHeight)1; }嵌套调用递归方法反复执行了一部分逻辑时间复杂度较高时间复杂度为O(n)的写法//平衡二叉树 //此时时间复杂度是n的平方 public boolean isBalanced(TreeNode root) { if(root null){ return true; } // int x1 getMaxHeight2(root.left); // int x2 getMaxHeight2(root.right); // // if(x1 -1 || x2 -1 || Math.abs(x1-x2)1){ // return false; // }else { // return true; // } return getMaxHeight2(root) 0; } //二叉树的高度 public int getMaxHeight2(TreeNode root){ if (root null){ return 0; } //最下方算式返回到上一级如果是负数就返回-1 int leftHeight getMaxHeight2(root.left); if(leftHeight0){ return -1; } int rightHeight getMaxHeight2(root.right); if(rightHeight0){ return -1; } if(Math.abs(leftHeight-rightHeight)1){ return -1; }else { return Math.max(leftHeight,rightHeight)1; } }这里注释掉了自己比较冗杂的写法因为事实上整体的递归逻辑都在getMaxHeight2这个方法里面了5、判断对称二叉树判断是否对称本质就是 左的左与右的右以及左的右与右的左比较//对称二叉树 public boolean checkSymmetricTree(TreeNode root) { if (root null){ return true; } return checkSymmetricTree2(root.left,root.right); } public boolean checkSymmetricTree2(TreeNode leftRoot,TreeNode rightRoot) { if(leftRoot null rightRoot ! null || leftRoot ! null rightRoot null){ return false; } if (leftRoot null rightRoot null){ return true; } if(leftRoot.val ! rightRoot.val){ return false; } return checkSymmetricTree2(leftRoot.left,rightRoot.right) checkSymmetricTree2(leftRoot.right,rightRoot.left); }递归的精髓就在于关注好当前结点尽量少试图每次都将递归的过程在脑海里模拟一遍6、层序遍历没有返回值的层序遍历//层序遍历 public void levelOrder(TreeNode root) { if(root null){ return; } QueueTreeNode q new LinkedList(); q.offer(root); while (!q.isEmpty()){ //记录当前结点 TreeNode cur q.poll(); System.out.println(cur.val); if(cur.left ! null){ q.offer(cur.left); } if (cur.right ! null){ q.offer(cur.right); } } }有返回值的层序遍历//层序遍历 public ListListInteger levelOrder(TreeNode root) { ListListInteger vessel new LinkedList(); if(root null){ return vessel; } QueueTreeNode q new LinkedList(); q.offer(root); while (!q.isEmpty()) { ListInteger l new LinkedList(); //队列里的元素个数 int size q.size(); while (size ! 0) { //记录当前结点 TreeNode cur q.poll(); l.add(cur.val); if (cur.left ! null) { q.offer(cur.left); } if (cur.right ! null) { q.offer(cur.right); } size--; } vessel.add(l); } return vessel; }将元素不断放入队列中同一层的元素出队放入到当前层链表处理完当前层数的所有元素后将这一层的链表放到大链表中一直到队列为空7、判断完全二叉树层序遍历的一个小变种核心在于当cur变成null的时候检查队列里是否有非空元素//判断完全二叉树 public boolean isCompleteTree(TreeNode root) { if(root null){ return true; } QueueTreeNode q new LinkedList(); q.offer(root); while (!q.isEmpty()){ TreeNode cur q.poll(); //此时其它所有子树的左右节点都已经入队过了(包括null) if(cur null){ break; } q.offer(cur.left); q.offer(cur.right); } //检查队列中是否存在非空元素存在则不是完全二叉树 while (!q.isEmpty()){ TreeNode top q.peek(); if(top ! null){ return false; } q.poll(); } return true; }8、二叉树的最近公共祖先递归的写法在于搞清楚p与q位置的三种情况//二叉树最近的公共祖先 //递归写法 public TreeNode lowestCommonAncestor(TreeNode root, TreeNode p, TreeNode q) { if(root null){ return null; } if(root p || root q){ return root; } TreeNode left lowestCommonAncestor(root.left,p,q); TreeNode right lowestCommonAncestor(root.right,p,q); //p与q分别在根节点两侧 if(left ! null right ! null){ return root; }else if(left ! null){ //p与q都在左侧 return left; }else if(right ! null){ //p与q都在右侧 return right; }else { return null; } }迭代的写法有点类似之前的链表相交关键在于分别找到p与q各自的路径将路径存放到栈里面先让两个栈长度相等判断一起弹出元素若相等则为最近公共祖先//迭代写法 public TreeNode lowestCommonAncestor2(TreeNode root, TreeNode p, TreeNode q){ StackTreeNode s1 new Stack(); StackTreeNode s2 new Stack(); //要从根结点开始处理 getPath(root,p,s1); getPath(root,q,s2); //弹出多余部分size相同的时候找到pop出的相同结点 int size1 s1.size(); int size2 s2.size(); int size s1.size()-s2.size(); if(size 0){ while (size2 ! size1){ s2.pop(); size2--; } }else { while (size1 ! size2){ s1.pop(); size1--; } } while (size1 ! 0 ){ TreeNode m s1.pop(); TreeNode n s2.pop(); if(m n){ return m; } } return null; } //核心方法 //拿到路径的每一个元素 public boolean getPath(TreeNode root,TreeNode node,StackTreeNode s){ if(root null){ return false; } //将根节点放入栈 s.push(root); if(root node){ return true; } boolean flag1 getPath(root.left,node,s); if (flag1 true){ return true; } boolean flag2 getPath(root.right,node,s); if (flag2 true){ return true; } //弹出非路径结点 //即当前结点以及左右子树都没有目标结点 s.pop(); return false; }9、从前序中序序列中获取二叉树10、从中序后序遍历中获取二叉树整体逻辑1、自己创建一个带有四个参数的递归方法四个参数分别是​​​​​​中序数组、后序数组中序数组的开始指针inBegin、中序数组的结束指针inEnd2、定义一个后序数组的全局指针 postIndex初始指向后序数组的最后一个元素3、创建一个查找方法用于找到后序数组当前元素在中序数组中的位置。该方法参数包括中序数组、目标元素即当前后序指针指向的值中序数组的开始指针、中序数组的结束指针4、在递归方法中的执行步骤将后序数组当前指针指向的元素创建为根节点调用查找方法获取该根节点在中序数组中的下标inorderIndex后序数组指针前移postIndex--注意是从右向左移动先递归构建右子树范围inorderIndex1到inEnd再递归构建左子树范围inBegin到inorderIndex-1返回根节点5、终止条件当inBegin inEnd时返回nullint preIndex 0; //根据前序中序遍历构造二叉树 public TreeNode buildTree(int[] preorder, int[] inorder) { //初始范围整个中序数组即 0 到 length-1 return buildTreeChild(preorder, inorder, 0, inorder.length - 1); } public TreeNode buildTreeChild(int[] preorder, int[] inorder, int inBegin, int inEnd) { //终止条件 if(inBegin inEnd){ return null; } //1、从前序数组中取当前指针的值作为根节点 TreeNode root new TreeNode(preorder[preIndex]); //2、找到当前前序序列根节点在中序序列里的下标 int inorderIndex findRootIndex(inorder,preorder[preIndex],inBegin,inEnd); //3、前序序列指针前移找到下一个根节点递归时创建 preIndex; //4、递归左右子树 //注意左右子树的范围 root.left buildTreeChild(preorder,inorder,inBegin,inorderIndex-1); root.right buildTreeChild(preorder,inorder,inorderIndex1,inEnd); return root; } //负责找到当前前序序列根节点在中序序列里的下标 public int findRootIndex(int[] inorder, int key, int inBegin, int inEnd) { for (int i inBegin; i inEnd; i) { if (inorder[i] key){ return i; } } return -1; }12、根据二叉树创建字符串以及前、中、后序遍历的非递归写法也可以看看本章完

相关文章:

06、数据结构与算法---二叉树

递归的精髓其实在于关注好当前结点,尽可能少试图每次都将递归的过程在脑海里模拟一遍😮 一、树的理解 二叉树是最基本的树结构,先从此学起 这个结构像是生活中树的结构倒过来,根结点在上,叶子结点在最下 二、手动实现…...

git操作三- 解决冲突,删除文件,查看版本间更改了什么内容

问题 我本地的main分支有个审批.docx的文档,怎么合并到我本地的seri分支。 涉及命令:git branchgit log --oneline --graphgit fetch命令作用能看到提交历史?能看到本地 / 远程关系?git branch -vv看状态、看同步❌ 不能✅ 能git …...

理财产品会计核算

理财产品会计核算 文章目录 理财产品会计核算 金融工具三分类 摊余成本 账务处理 债券投资 一、以摊余成本计量的债券投资 (1)初始确认(交易日+交割日) (2)按实际利率法确认债券利息收入 (3)收到利息 (4)计提预期损失准备 补充利息(4)计提预期损失准备后-计提利息收…...

机器视觉工业缺陷检测全解析(下篇):工业镜头选型及硬件适配

目录 一、工业镜头选型:成像清晰的“核心纽带”,适配决定细节 (一)工业镜头核心参数详细解析(量化选型依据) 1. 焦距(f) 2. 光圈(F) 3. 分辨率(镜头分辨率) 4. 畸变 5. 景深(DOF) 6. 工作距离(WD) 7. 芯片尺寸适配 (二)工业镜头类型详细对比与场景…...

【收藏备用|2026年版】程序员小白必看:AI大模型不是抢饭碗,是帮你涨薪的神器!

这两年,技术圈流传着一句扎心的话,相信每个程序员和刚入行的小白都听过,听完难免心头一紧: “这个岗位,可以用AI替代。” 我身边做技术的朋友,不管是刚入门、还在啃基础代码的小白,还是工作三…...

智能电池守护者:如何通过BatteryChargeLimit让手机电池寿命延长300%

智能电池守护者:如何通过BatteryChargeLimit让手机电池寿命延长300% 【免费下载链接】BatteryChargeLimit 项目地址: https://gitcode.com/gh_mirrors/ba/BatteryChargeLimit 你是否曾经思考过,为什么新手机使用一年后电池续航会大幅下降&#x…...

Redis 发布订阅系统实践

Redis 发布订阅系统实践:构建高效实时消息通信 Redis作为高性能的内存数据库,其发布订阅(Pub/Sub)模式为实时消息通信提供了轻量级解决方案。无论是聊天应用、实时通知还是事件驱动架构,Redis Pub/Sub都能通过简单的命…...

CSS(二)CSS核心选择器

CSS核心选择器 选择器是CSS精准控制元素的核心,本模块覆盖简历开发中90%以上会用到的选择器类型,配套优先级规则,彻底解决「样式写了不生效」的问题。 1. 基础选择器选择器类型语法格式作用与特点示例通配符选择器* { 属性:值; }匹配页面中所…...

机会无处不在的具象化的庖丁解牛

它的本质是:机会并非稀缺的、隐藏的宝藏,等待被少数幸运儿挖掘;而是像空气一样弥漫在系统中的 未满足需求 (Unmet Needs)、信息不对称 (Information Asymmetry) 和 效率低下点 (Inefficiencies)。所谓“看不见机会”,是因为你的认…...

甜蜜点狙击:在亚马逊,如何找到“需求”与“独特性”的黄金交叉点

初次接触定位思想的人常会轻松地说:“这很简单,只要找到一个还没人占据的位置,然后占领它就行了。”说它“简单”是对的,但说它“容易”则大错特错。真正的难点在于,找到一个既无人有效占领、同时又存在真实且足够市场…...

人生希望的具象化的庖丁解牛

它的本质是:希望并非一种模糊的、被动等待的“情绪”或“运气”,而是一种基于 因果律 (Causality) 和 能动性 (Agency) 的可执行算法 (Executable Algorithm)。它是将抽象的“愿景 (Vision)”拆解为微观的、可触达的、正向反馈的“动作序列 (Action Sequ…...

企业级MCP插件交付倒计时:仅剩47天!微软官方MCP GA前必须完成的6项合规性验证清单

更多请点击: https://intelliparadigm.com 第一章:企业级MCP插件交付倒计时:战略意义与合规紧迫性 企业级MCP(Model Control Protocol)插件正从实验性集成迈向生产就绪的关键拐点。随着《人工智能监管框架&#xff0…...

终极减法:在亚马逊,为何“显而易见”是穿透信息洪流的唯一利器

在今天这个信息爆炸的时代,尤其是在亚马逊这片被海量商品和广告淹没的平台上,只有那些“显而易见”的简单想法才能真正进入消费者心智,并驱动购买。​ 试图传递过多、过复杂的信息,反而会成为阻碍成功的最大障碍。然而&#xff0c…...

2026血泪总结:C#集成YOLO的10个致命经典坑,90%的工控/AI开发者都栽过

前言 过去2年,我带着团队落地了20多个C# + YOLO的工业视觉检测项目,从3C电子的手机中框划痕检测、食品行业的包装喷码OCR识别,到汽车零部件的焊点缺陷检测、PCB板的虚焊漏检,踩过的坑能绕工控机三圈。 见过太多新手开发者,从第一步模型导出就开始踩坑,折腾一周模型都加…...

LinuxCNC完整指南:从零开始掌握开源数控系统的终极教程

LinuxCNC完整指南:从零开始掌握开源数控系统的终极教程 【免费下载链接】linuxcnc LinuxCNC controls CNC machines. It can drive milling machines, lathes, 3d printers, laser cutters, plasma cutters, robot arms, hexapods, and more. 项目地址: https://g…...

60、【Agent】【OpenCode】用户对话提示词(信息溯源)

【声明】本博客所有内容均为个人业余时间创作,所述技术案例均来自公开开源项目(如Github,Apache基金会),不涉及任何企业机密或未公开技术,如有侵权请联系删除 背景 上篇 blog 【Agent】【OpenCode】代理日…...

SAP F110自动付款程序配置避坑指南:从公司代码到银行选择的保姆级教程

SAP F110自动付款程序配置避坑指南:从公司代码到银行选择的保姆级教程 第一次配置SAP F110自动付款程序时,那种如履薄冰的感觉我至今记忆犹新。作为财务系统的"主动脉",它直接关系到企业资金流动的安全与效率。一个配置失误可能导致…...

视频理解中的DIG框架:动态智能帧选择技术

1. 视频理解中的帧选择挑战与DIG框架概述在长视频理解任务中,处理海量视频帧数据一直是个棘手问题。传统方法通常采用均匀采样策略,比如从一段10分钟的视频中每隔固定时间抽取一帧。这种方法虽然计算效率高,但存在明显的性能瓶颈——当视频内…...

别死记硬背了!用这5个真实项目场景,吃透LeetCode HOT 100里的算法思想

别死记硬背了!用这5个真实项目场景,吃透LeetCode HOT 100里的算法思想 刷LeetCode时,你是否也陷入过这样的困境:题目刷了上百道,面试时却支支吾吾说不清应用场景?或者在实际项目中遇到性能问题,…...

合约优先无密钥量化研究沙盒:OpenClaw 工程化实践指南

1. 项目概述:一个为量化研究而生的合约优先、无密钥沙盒如果你和我一样,在加密货币期货量化策略开发的路上踩过不少坑,那你一定对这几个场景不陌生:想复现一个历史行情来验证策略逻辑,结果发现数据源格式五花八门&…...

多机器人强化学习中的动态采样优化策略

1. 项目背景与核心挑战在工业自动化与智能仓储领域,多机器人协同作业已成为提升效率的关键方案。我们团队最近在开发一套基于强化学习的多机器人控制系统时,遇到了一个典型难题:当20台AGV小车在3000平米仓库中同时运行时,传统经验…...

LiveKit实战:从本地调试到云服务器部署,我的Web视频会议应用上线全记录

LiveKit实战:从本地调试到云服务器部署,我的Web视频会议应用上线全记录 去年夏天,一个在线教育初创团队找到我,希望为他们的教研团队开发一套内部视频会议系统。预算有限但要求不低:需要支持10人以下的高质量音视频通话…...

中国县域金融机构网点统计1949-2021年

01、数据简介县域金融机构主要是指人民银行县支行、农村信用社及国有商业银行在县乡设立的分支机构无论从地理位置还是服务区域来说都与农民、农村、农业。数据名称:中国县域金融机构网点统计数据年份:1949-2021年02、相关数据指标本数据整理全国区县级金…...

前端基础博客:JavaScript 核心基础知识点总结

作为前端开发的入门基石,JavaScript的运算符规则、页面加载机制、DOM元素获取是笔试、面试高频核心考点,更是搭建前端知识体系的重中之重。本文摒弃冗余表述,以“考点拆解深度解析真题示例易错规避拓展延伸”的应试逻辑,精准突破每…...

CAT框架:精准安全的文本到图像生成技术

1. 文本到图像模型的安全挑战与CAT框架概述在当今AI生成内容爆炸式增长的时代,文本到图像(T2I)模型如Stable Diffusion、DALL-E等已经展现出惊人的创造力。然而,这些模型如同双刃剑,在赋予用户强大生成能力的同时,也面临着严峻的安…...

基于 contenteditable 实现变量插入富文本编辑器

目录 第一章 前言 第二章 实现 2.1 组件功能概览 2.2 实现思路 2.2.1 富文本核心:contenteditable 2.2.2 标签解析与序列化 2.2.3 光标定位与弹窗跟随 2.3.4 中文输入法兼容处理 2.3.5 Teleport 解决层级问题 2.3.6 双向绑定防死循环机制 第三章 完整代码…...

DR Tulu-8B深度研究模型架构与医学应用解析

1. 深度研究模型DR Tulu-8B的技术架构解析DR Tulu-8B作为当前最先进的深度研究模型之一,其核心设计理念是将大型语言模型(LLM)的能力与专业领域知识检索系统深度融合。这种架构突破了传统语言模型仅依赖参数化知识的局限,实现了动…...

多模态AI图像编辑工具对比:Nano Banana与Qwen实战解析

1. 项目概述:多模态图像编辑工具对比实战最近在测试两款前沿的图像编辑工具——Nano Banana(基于Gemini 2.5 Flash的图像处理方案)和Qwen Image Edit时,发现它们在27种典型场景下的表现差异远超预期。作为长期跟踪多模态AI发展的从…...

动态规划评测

动态规划导论定义:动态规划是一种算法技术,通过将复杂问题拆解成更简单的子问题并存储结果,以避免重复计算。重叠子问题:在解决较大问题时,相同的小问题会多次出现。我们不再反复重新计算这些子问题,而是存…...

如何用Python构建专业级英语发音库:11.9万单词MP3音频的自动化下载方案

如何用Python构建专业级英语发音库:11.9万单词MP3音频的自动化下载方案 【免费下载链接】English-words-pronunciation-mp3-audio-download Download the pronunciation mp3 audio for 119,376 unique English words/terms 项目地址: https://gitcode.com/gh_mirr…...